如何恢复LSTM层

如果我可以在保存和恢复LSTM方面得到一些帮助，我将非常感激。如何恢复LSTM层

我有这个LSTM层 -

# LSTM cell 
cell = tf.contrib.rnn.LSTMCell(n_hidden) 
output, current_state = tf.nn.dynamic_rnn(cell, word_vectors, dtype=tf.float32) 

outputs = tf.transpose(output, [1, 0, 2]) 
last = tf.gather(outputs, int(outputs.get_shape()[0]) - 1) 

# Saver function 
saver = tf.train.Saver() 
saver.save(sess, 'test-model')

金丹节省模式，可以让我保存和恢复LSTM的重量和偏见。但是，我需要恢复此LSTM图层并为其提供一组新的输入。

要恢复整个模型，我做：

with tf.Session() as sess: 
    saver = tf.train.import_meta_graph('test-model.meta') 
    saver.restore(sess, tf.train.latest_checkpoint('./'))

是否有可能对我来说，与预先训练的权重和偏见初始化LSTM细胞？
如果不是，我该如何恢复这个LSTM层？

非常感谢！

来源

2017-07-17 AnnaR

您已经加载模型，因此模型的权重。您只需使用get_tensor_by_name即可从图表中获取任何张量并将其用于推断。

实施例：

with tf.Session() as sess: 
    saver = tf.train.import_meta_graph('test-model.meta') 
    saver.restore(sess, tf.train.latest_checkpoint('./')) 

    # Get the tensors by their variable name 
    word_vec = = detection_graph.get_tensor_by_name('word_vec:0') 
    output_tensor = detection_graph.get_tensor_by_name('outputs:0') 

    sess.run(output_tensor, feed_dict={word_vec: ...})

在上面的例子word_vec和outputs是创建图的期间分配给该张量名称。确保你指定了名字，以便他们可以通过他们的名字进行调用。

来源

2017-07-17 23:42:31

非常感谢您回答我的问题！对此，我真的非常感激。所以我不需要再次通过LSTM传递'word_vec'？这是如何工作的？ – AnnaR

它只是一个例子，你应该通过feed_dict传递你在图中定义的输入。 –

非常感谢！ – AnnaR

如何恢复LSTM层

回答

相关问题